AI BENCHY 对比
MiniMax: MiniMax M2.7 vs StepFun: Step 3.5 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-18
| 指标 | MiniMax M2.7 MiniMax M2.7 medium | Step 3.5 Flash Step 3.5 Flash medium 免费可用 |
|---|---|---|
| 分数 | 5.0 | 7.9 |
| 排名 | #64 | #22 |
| 一致性 | 5.3 | 9.1 |
| 测试正确 | ||
| 尝试通过率 | 49.0% | 70.6% |
| 不稳定测试 | 10 | 2 |
| 总运行次数 | 51 | 49 |
| 每个结果成本 | 2.398 | 0.000 |
| 总成本 | $0.072 | $0.000 |
| ???? | $0.300 / 1M | $0.000 / 1M |
| ???? | $1.200 / 1M | $0.000 / 1M |
| 输出令牌 | 4,517 | 71,904 |
| 推理令牌 | 47,612 | 155,607 |
| 响应时间（平均） | 27.32s | 26.78s |
| 响应时间（最大） | 117.04s | 170.45s |
| 响应时间（总计） | 437.10s | 294.58s |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.7 | 7.9 | 6.3 | 83.3% | 2 | 40.32s | 3,010 | 17,716 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 13.56s | 14,376 | 17,668 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.7 | 4.7 | 1.6 | 66.7% | 1 | 41.03s | 369 | 4,480 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 1,176 | 12,984 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.7 | 6.3 | 5.8 | 66.7% | 1 | 21.95s | 187 | 5,882 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 600 | 13,886 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.7 | 3.0 | 10.0 | 0.0% | 0 | 19.00s | 8 | 2,796 | |
| Step 3.5 Flash | 5.3 | 7.2 | 44.4% | 1 | 170.45s | 45,350 | 90,436 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.7 | 3.9 | 2.5 | 33.3% | 1 | 38.70s | 92 | 5,204 | |
| Step 3.5 Flash | 5.5 | 10.0 | 0.0% | 0 | 6.54s | 2,214 | 2,584 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.7 | 3.7 | 1.8 | 50.0% | 2 | 12.64s | 213 | 2,457 | |
| Step 3.5 Flash | 8.5 | 6.8 | 83.3% | 1 | 4.98s | 2,284 | 3,412 |
| Puzzle Solving | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.7 | 3.8 | 4.5 | 33.3% | 2 | 25.62s | 334 | 8,076 | |
| Step 3.5 Flash | 5.3 | 10.0 | 33.3% | 0 | 7.72s | 5,629 | 10,835 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.7 | 4.7 | 1.6 | 66.7% | 1 | 12.05s | 304 | 1,001 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 275 | 3,802 |
快速对比
切换对比组合
MiniMax M2.7mediumvsQwen3 Coder NextnoneMiniMax M2.7mediumvsGPT-4o-mininoneGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium免费可用GPT-5.2 ChatnonevsStep 3.5 Flashmedium免费可用Gemini 3 Flash PreviewnonevsStep 3.5 Flashmedium免费可用Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmedium免费可用Mercury 2nonevsMiniMax M2.7mediumMiniMax M2.7mediumvsGPT-5.4 MininoneMiniMax M2.7mediumvsNemotron 3 Super 120b A12bnone免费可用MiniMax M2.7mediumvsQwen3.5-9BnoneMiniMax M2.7mediumvsMistral Small 4noneTrinity Large Previewnone免费可用vsMiniMax M2.7medium